高空间分辨率遥感图像多级词袋分类方法研究.pdfVIP

摘要 摘要 伴随着高空间分辨率遥感图像的出现与广泛应用，地物之间的“同物异谱” 和“同谱异物现象也变得更为普遍，这给遥感图像分类带来了更大的困难。目 前常见的面向对象分类的实现过程主要依据特征距离，即根据模式在特征空间中 的距离远近判断其相似性程度，从而实现模式分类。然而高空间分辨率遥感图像 具有突出的异物同谱现象，使得许多地物仅依据特征距离往往难以相互区分，需 要引入新型的分类模型或分类方法。 词袋模型把图像看作“文档”，图像的特征作为单词，这样就可以将图像分 类转化为类似于文本分类，利用文本分类中的方法来实现图像的分类识别。词袋 模型分类方法原理简单，快速高效，并且具有较好的分类性能，在场景图像中已 经得到了较好的应用，在遥感图像上也展现出令人兴奋的应用潜力。 本文面向高分图像信息提取，结合面向对象图像分析方法，对基于词袋模型 的分类方法进行了研究，主要内容包括： (1)全局、局部遥感图像视觉特征提取方法。本文先利用光谱和形状特征 结合的多精度图像分割方法对遥感图像进行空间划分，获取子块进行后续分析。 在特征选择方面，本文提取颜色和Gabor纹理作为全局特征，而局部特征除了提 取应用较为广泛的点特征，本文还引入了直线特征，利用直线在不同地物中长度、 密度等特性的不同，区分地物，实现分类。 (2)基于多特征的词袋生成方法。本文优化初始聚类中心，选择K．Means++ 聚类算法获取更为稳定的视觉词汇表。同时，本文选择颜色、纹理作为全局特征 建立全局词袋，选择点特征和线特征作为局部特征来构建局部词袋。 (3)基于串、并联思想的多级词袋模型分类。本文从高分辨率遥感图像的 特点出发，引入串、并联思想融合多种特征，结合模糊K近邻分类器和支持向 量机分类器，使用多级分类模式实现最终分类。 本文采用GeoEye．1的2米高分辨率遥感影像，利用所建立的词袋模型进行 了分类试验，并将结果和传统的面向对象分类方法进行了对比。实验结果表明本 文的融合多种特征的遥感图像多级词袋分类方法效果更优。 关键词：遥感图像分类，词袋模型，面向对象分类，全局、局部特征，串、并联 分类 ABSTRACT ABSTRACT of resol嘶onr锄ote Acconlpalliedby廿leeme玛ence雏dapplicationhi曲sp撕al mat嘶alwimdi自f柏1t of‘same seIlsingimag部，mephellomellon Spec昀’a11d ‘di行昌rentmaterialswi廿ls锄e becomesmore it makes SpeCtmm’ common， daSSificationmoredimcult．ThemoStC0mmon classificationmemod o协ect-ori锄【ted is basedonfeature t11e tome maillly diStanceS，tllatis，jud舀ngsimil撕锣according aSto the distaIlce，soimpl锄ent Spatial resolution haVe mal(eithardto inlagesalwaysSpe咖姗con如s